搞清楚：单因素vs多因素Logistic回归，二元vs多元Logistic回归

前言

一般情况下，当因变量是连续性变量时，我们常使用线性回归分析自变量与因变量的关联；而当因变量是分类变量时，可考虑采用Logistic回归分析。Logistic回归属于概率型非线性回归。

正文

一、单因素和多因素Logistics回归

根据纳入回归模型的自变量个数不同，可将Logistic回归分为单因素和多因素。

（1）单因素Logistic回归（又称简单Logistic回归），指在模型中只包含一个自变量的情况，用来评估单一因子对结果概率的影响大小和方向。例如只关注肥胖如何影响患冠心病的概率。

（2）多因素Logistic回归（multivariable logistic analysis），指包含两个及以上的自变量的情况，可同时考察多个因素对结果变量的影响，因为现实中某一个疾病的发生往往是多变量共同作用所致。例如同时考虑肥胖、吸烟、工作压力、基因等多个因素对冠心病患病概率的影响。

二、二元和多元Logistics回归

根据因变量个数的不同，可将Logistic回归分为二元logistic回归和多元Logistic回归。

（1）二元logistic回归模型的因变量Y是二分类变量，如有病与无病，其取值常编码为0和1。

（2）多元Logistic回归顾名思义，因变量Y是多分类变量，进一步分为有序多分类（如疾病轻、中、重）和无序多分类（如不同中医证型）。

参考：https://www.jianshu.com/p/ee4ff9958297